PyTorch技术问题：通过填充为张量添加维度并统一形状

我有若干张量，部分是2维、部分是3维，且它们的前两维始终匹配。想把所有张量统一成相同形状做后续处理，比如：

• tensor a：(1, 10)（对应代码里的feature_tensor）
• tensor b：(1, 10, 15)（对应代码里的padding_reference_tensor）

我的思路是用零填充把2维张量转换成3维参考张量的形状，用torch.nn.functional.pad写了一段代码：

if feature_tensor.dim() == padding_reference_tensor.dim():
   padding_number = padding_reference_tensor.size()[2] - feature_tensor.size()[2]

elif feature_tensor.dim() < padding_reference_tensor.dim():
   padding_number = padding_reference_tensor.size()[2] - 1

feature_tensor = F.pad(feature_tensor, (0, padding_number), "constant", 0)

暂时忽略feature_tensor维度大于参考张量的情况。现在期望feature_tensor从(1,10)变成(1,10,15)，但实际结果是(1,24)，我知道哪里有问题，但不清楚怎么高效给feature_tensor添加维度。

问题核心是：直接对2维张量调用F.pad只会在最后一维上增加长度，而不会新增维度。要先给2维张量补一个维度，再做填充操作。

具体步骤 #

1. 补全维度：用torch.unsqueeze(-1)给2维张量的最后位置加一个维度，比如把(1,10)变成(1,10,1)，这样就和参考张量的维度数一致了。
2. 计算填充量：此时两者都是3维张量，用参考张量最后一维的长度减去当前张量最后一维的长度，得到需要填充的零的数量。
3. 执行填充：用F.pad在最后一维的右侧填充对应数量的零。

修正后的代码 #

import torch.nn.functional as F

# 先处理维度差异：给低维张量补最后一维
if feature_tensor.dim() < padding_reference_tensor.dim():
    feature_tensor = feature_tensor.unsqueeze(-1)

# 计算需要填充的长度（此时两者维度数相同）
padding_len = padding_reference_tensor.size(-1) - feature_tensor.size(-1)
# 仅在最后一维的右侧填充零
feature_tensor = F.pad(feature_tensor, (0, padding_len), "constant", 0)

效果验证 #

• 原feature_tensor形状(1,10) → 经过unsqueeze(-1)后变为(1,10,1)
• 填充14个零后，最终形状为(1,10,15)，和参考张量完全匹配。

补充说明 #

unsqueeze和pad都是PyTorch内置的高效操作，不会产生额外的性能损耗，完全适配批量处理场景。如果后续有更多维度差异的情况，也可以通过循环或动态计算维度差来扩展逻辑。

内容的提问来源于stack exchange，提问作者user23433935